作者用精簡 YAML 結構將 Shopify 客戶異議轉成影片簡報
作者把 Shopify 客戶提出的產品疑問整理成精簡 YAML 影片簡報,讓問題、影片任務、證據和行動呼籲在生成前先經審核。他以 Supra UGC Maker 示範將簡報轉成影片,並每次只改一項變數製作不同版本;生成後再由人手核對產品展示、宣稱、證據和已列明的限制。
作者把 Shopify 客戶提出的產品疑問整理成精簡 YAML 影片簡報,讓問題、影片任務、證據和行動呼籲在生成前先經審核。他以 Supra UGC Maker 示範將簡報轉成影片,並每次只改一項變數製作不同版本;生成後再由人手核對產品展示、宣稱、證據和已列明的限制。
社交平台流傳超過8000萬次的「貨輪在霍爾木茲海峽起火沉沒、海面漂滿iPhone」影片,由 Instagram 帳號「Nativora」於10月16日發布並標註「AI Content」,屬人工智能生成的虛構影像。
社交平台流傳的「貨輪在霍爾木茲海峽起火沉沒、海面漂滿 iPhone」影片由 AI 生成,內容虛構。該影片累計獲超 8000 萬次觀看;開放源情報調查團隊反向搜尋發現,多段相關影片最初來自 Instagram 帳號 Nativora,並於 10 月 16 日附有「AI Content」標示。一艘新加坡貨輪於 10 月 13 日通過霍爾木茲海峽時遭不明飛行物襲擊,起火沉沒,21 名船員全部安全撤離。
作者在同一次測試中使用 Apify 的 SRT Subtitle Generator,為 65.21 秒 TikTok 影片加字幕收費 $0.110,60.01 秒 m4a 檔則收費 $0.011。TikTok 費用中 82% 用於從頁面取得音訊;直接提供可存取的檔案連結可避開影片連結費,而超過計費分鐘邊界也會增加費用。字幕 cue 時間按辨識片段的字符比例推算,並非逐字時間戳。
StreamingSwap 提出即時流式影片換臉框架,透過聯合身份重建損失及減少空間與時間生成量,提升身份保真度與生成效率。在單張 NVIDIA RTX 4090 GPU 上,系統以 20 FPS 處理長達 10 分鐘的影片,並保持穩定生成。研究亦推出 HumanFaceVid,包含 1,000 小時電影訓練資料,以及各有 200 條短片和長片的評測集。
VideoMaMa++提出以 Preserve-and-Refine Token 為核心的擴散式影片摳圖框架,改善長影片跨區塊的時間一致性及細節準確度。框架以分離的 RGB 與遮罩 token 流、可學習嵌入和滑動窗口傳遞遮罩,並在各區塊使用共用參考錨點,無需額外訓練;在標準基準及真實長影片上優於既有擴散式方法。
SpecKCast 是一種免訓練方法,透過頻域預測 Diffusion Transformer 的輸出,加速推理。它以 2D 離散餘弦轉換處理輸出,並用逐頻帶 Kalman filter 預測;在 FLUX.1-dev、Qwen-Image、Wan2.1-14B 和 HunyuanVideo 上,速度最高提升 6x,額外記憶體用量低於 0.05 GiB。
PVBench 提出影片生成物理合理性評測基準,涵蓋 7 個領域的 46 項物理維度。基準包含 600 個提示詞,其中 30% 涉及具身智能體,並以專門的視覺模型進行可驗證的物理測量。PVBench 支援文字生成影片及圖片生成影片,並透過人工評估驗證自動指標與人類判斷的一致性。
教學示範如何以 Python、ffmpeg、Whisper 和 ElevenLabs API 建立影片 AI 配音工具:抽取原音、可選擇轉錄或翻譯語音、生成新聲軌,再調整音軌長度並合成回影片。ElevenLabs 支援以幾分鐘音訊複製自己的聲音,教學亦提供生成配音及替換影片音軌的程式碼示例。
作者分析 720 多支 AI 與新創產品發布影片,整理出四拍分鏡與聲音規格;熱門 50 支影片中,84% 採用 60 秒內的四拍結構。分鏡依次為 0–4 秒 Hook、4–12 秒呈現問題、12–34 秒展示產品操作、34–45 秒收尾 CTA;熱門影片的音量介乎 -13.8 LUFS 至 -11.9 LUFS,剪輯節奏中位數為 122 BPM 至 128 BPM。
Roadster AI Video 把車輛分析、特技提示詞擴展、多模型影片擴散,以及時間升頻和調色整合成流程,可將單張汽車照片轉成電影感特技影片。擴散階段使用 Seedance 2.0、MiniMax H3 和 Wan 2.1 生成 720p/1080p 影格,並支援 4K 輸出。生成時間由 3D 渲染軟件中的數小時縮短至網頁瀏覽器內兩分鐘以下。
作者以同一提示詞比較 Higgsfield 與 Kyncept 的影片生成,Higgsfield 完成一段 5.042 秒影片,Kyncept 則完成三段各 8.000 秒的影片。
作者以同一段純文字提示詞測試 Higgsfield 的 Wan 2.5 Fast 和 Kyncept Plus,前者輸出 5.042 秒影片,後者兩次均輸出 8.000 秒影片。
索尼申請新專利,讓 AI 在 GPU 完成渲染前預測下一幀畫面,以減少遊戲卡頓,並避免影格生成技術帶來的額外延遲。系統與圖形渲染管線並行運作,AI 處理上一幀並把預測結果送至顯示緩衝區。技術能否實用,取決於 AI 能否快速生成準確畫面,填補渲染速度下降時的影格輸出空隙。
Burning Bridges AI 可將一張人像照放進原創吊燈派對場景,生成 10 秒、720p 的 MP4 影片。用戶可選揮手、舉杯或張望其中一種動作,並設定 16:9 或 9:16;影片沒有聲音。產品沒有訂閲制,套裝按次付款:1 段 $5.99、3 段 $14.99 或 10 段 $44.99,可於 365 日內使用。
一次在 Google Colab 使用 Wan2.2 TI2V-5B 的測試生成了 5 秒無聲影片,但介面的完成訊息、收據欄位及退出按鈕均未更新。收到的 MP4 和設定 JSON 大小及 SHA-256 雜湊值與收據記錄相符,影片亦通過已保存的全片解碼檢查。Colab 未能確認自動斷線,因此測試者透過一般選單中斷並刪除執行階段,之後確認工作階段數為零。
文章整理 AI 影片人聲的辨識線索,並引述 Sora 負責人稱,Sora 生成影片中的人物説話狀態緊繃、語速偏快。辨識線索包括發音銜接生硬、情緒與場景不符,以及口型和聲音不同步。一項 2025 年測試中,參與者辨認 AI 合成語音的正確率為 55%;文章提醒這些特徵不能單獨定論,ElevenLabs 已能模仿真人沙啞尾音和自然停頓。
VidAds 是為獨立創作者打造的短片廣告工具,可把產品相片和簡短資料轉成直向廣告。現有原型可編輯產品資料、預覽 4–8 秒廣告,並在瀏覽器內匯出 WebM;產品圖片留在裝置上。Gemma 文案生成及 Mastra 智能體整合尚未接通。
《An-Nahar》查核發現,網傳民眾在海灘撿拾 iPhone 包裝盒的部分影片由 AI 生成,可追溯至 Instagram 帳號 @nativ0ra。Hive 等工具分析其中一段影片,結果顯示有 99.9% 機會由 AI 生成。新加坡證實 GFS Pride 遇襲沉沒,21 名船員安全撤離;海面出現漂浮貨櫃,但船上是否載有大量 iPhone 仍待核實。
Hendra Hendriana 開發 Klipkit,讓自由工作短片剪輯師可在筆電本機轉錄影片音訊、挑選片段,並匯出 MP4、.srt 字幕及時間碼清單。實測以 RTX 2050(4 GB VRAM)處理 62 分鐘印尼語影片,約 10 分鐘輸出 5 段 45–50 秒片段;啟發式篩選將 606 個候選縮至 16 個。
TubeText 建立的 Video Breakdown AI Actor 可透過一次 API 呼叫,分析 YouTube 頻道或 Instagram 個人檔案的最新影片,產出人設與風格指南。以 MKBHD 的 Shorts 為例,工具分析 5 條影片,提供內容主題、開場方式及影片節奏等摘要;每條影片收費 $0.03,帳戶摘要在 beta 期間免費。這些分析結果只是初稿,需對照個別影片資料核實。
以色列製作宣傳影片,片中出現未經 IAMDDB 同意的 AI 生成版 IAMDDB。Hacker News 留言附上原影片截圖,並指 @israel 已刪除原片。
HumanoidPose 結合預訓練人類姿態特徵與機械人運動學,從影片估算人形機械人的全身關節配置。框架將人類動作重定向至 16 種人形機械人形態,並利用無標註網上影片自我訓練。在三個真實人形機械人平台上,其關節角度誤差較各平台最佳基線低 18-32%。
Holo4D 以重建的 3D 軌跡構成整體式 4D 支架,引導影片擴散模型生成新視角影片,同時保留場景幾何結構與動態。實驗展示以軌跡作為條件對鏡頭控制和新視角合成的價值;框架可配合不同的 4D 重建器,無須重新訓練影片生成器。
研究提出時空控制機制 Painting Change Map,透過追蹤局部結構隨時間的變化,控制藝術作品影片生成中的繪畫與反向消除過程。該方法將局部視覺差異編碼至 RGB 空間,並沿 1,000 個時間步提供細緻引導;基準測試顯示,其表現勝過現有控制基線,並在 oracle 條件下大幅超越所有基線。
TCoVP 提出一條時空定位的影片推理鏈,將實體與帶時間戳的視覺證據連結,以改善影片分割的推理和遮罩預測。TCoVP-SFT-15k 和 TCoVP-RL-13k 用於透過監督式微調及推理鏈對齊的強化學習學習此表示方式。在五個 VRS 評測基準和三種模型骨幹上的實驗顯示 TCoVP 表現出色,所有模型和程式碼將公開發布。
這篇實作教學示範以 PyTorch 訓練輕量神經編解碼器,再用 Docker 封裝並部署,透過 AI 預測式壓縮將 8K 影片頻寬降低最多 70%。文中比較指出,Neural Codec 在高複雜度場景下較 H.266/VVC 的位元率降低 70%,並示範匯出 ONNX 及使用 CUDA 推理服務。
Ali 建立 Bid Spotlight 月度產品排行榜,排名按出價決定,每個付費席位均附自動生成的宣傳影片。最低出價為 $5;首次競投某排名須比現有佔位者至少高 $1,排行榜每月 1 日重設,所有席位標示為「Sponsored」。影片為 45–60 秒、9:16 直向格式,取材自網站實際內容;每月排名前 3 位會出現在網站每日 YouTube 和 X 貼文。
Nitrakit iOS 影片編輯 SDK 可加入 UIKit 或 SwiftUI 應用程式,透過共用的 Editor 專案連接預覽與時間軸視圖。SDK 最低支援 iOS 16 和 macOS 13,並可透過 Swift package 整合。macOS 版不提供字體、顏色或濾鏡選擇器,相關介面需由應用程式提供。
同一提示詞評測中,Higgsfield 免費方案的 4 個模型均未生成影片,Kyncept 付費 Pro 方案則首次生成 8 秒影片。Kyncept 用 10 credits、97.7 秒生成 720p 影片,成本為 $0.49;Higgsfield Veo 3.1 的 8 秒影片按付費方案計需 80 credits、$3.93。
國金證券指出,AI短劇出海目前仍處於低滲透率階段,遠期市場空間有望持續擴大。2025年海外微短劇市場規模約40億美元,App雙端內購收入22.79億美元,同比增長129%;2026年市場規模有望突破50億美元。2026上半年海外短劇App雙端下載量14.41億次,同比增長79%。
教學示範如何透過 API 為 MiniMax H3 RH Enhanced 建立影片生成任務,並以輪詢或 Webhook 等待完成、下載及驗證 MP4。模型按請求欄位選擇文字生成、影格轉影片或多重參照模式,可生成 4–15 秒、帶音軌的 480P、768P 或 1080P 片段。作者的測試中,4 秒 1080P 片段耗時 218 秒;文章亦示範計費核對及常見請求錯誤。
作者排查 Electron 串流視窗時發現 CPU 使用率達 492%,主要原因是未限制擷取尺寸,並由 MediaRecorder 和 ffmpeg 重複編碼。修改後,錄影端 CPU 使用率降至原來約 1/30,ffmpeg 使用率為 0.1%。應用程式亦會每 10 秒檢查過去一分鐘的平均負載,若連續三次超過 CPU 核心數 × 2.5,便自動停止串流。
Ozil Goal AI 是一款小型 AI 足球影片生成工具,可把一張人像照片轉成受 Özil 對 Ludogorets 入球啟發的入球影片。用戶可選擇四款球衣,或保留照片中的衣著;影片輸出為 15 秒、720p、直向 9:16 MP4。樣本可免費觀看,個人影片生成費用由 $12.99 USD 起,採一次性付款,無需訂閲。
索尼 SIE 提交 PS6「生成式超採樣」專利,以手掣輸入數據驅動 AI 模型預測並生成插值影格,旨在降低延遲與卡頓。該技術支援預測前後任意數量的影格,但專利尚未確認商用。高刷新率電視普及率有限(多不超過 120Hz),多影格生成的實用性仍待驗證。
作者以同一個雨夜單車提示詞,對照 Veo 3.1 Lite、Kling 3.0 與 Seedance 2.0 的規格、每次生成點數成本和提示詞安排。Veo 3.1 Lite 生成固定 8 秒片段並同步生成聲音;Kling 3.0 可生成 5、10 或 15 秒片段,音訊按次選用;Seedance 2.0 支援多鏡頭提示詞,片長為 5 至 15 秒。
AI 預測式壓縮可令 8K 串流的位元率較 AV1/H.266 降低 30%–60%,同時維持或提升畫質。示例中,AI 編碼在 45 Mbps 下 VMAF 約 96,使用 RTX 4090 需 12 分鐘;AV1 的 VMAF 為 90,使用 CPU 需 35 分鐘。文章亦提供以 FFmpeg、Python 和 Docker 建立編碼流程的教學。
AI 驅動的預測式 8K 影片壓縮可在維持 VMAF ≥ 95 的同時,將所需位元率降低 40-70%。實驗中,開源 NeuralCodec-8K 將 120 Mbps 的 H.266 串流壓至 45 Mbps,約減少 63%;CDN 試驗的尖峯流量下降 55%。文章亦提供以 FFmpeg、Python 和 Docker 執行的編碼與解碼示範。
以 FFmpeg 配合 AI 預測模型壓縮 8K 影片,頻寬較未壓縮串流最多降低 80%。測試中,VideoGPT 的平均位元率為 28 Mbps、VMAF 為 96.2,低於 AV1 的 45 Mbps 和 H.266 的 38 Mbps;文章亦提供 CompressAI、Python 和 Docker 的實作流程。
TVB於10月16日宣佈與紅果短劇合作,正式進軍直度短劇賽道,雙方首部作品《金枝欲孽之宮牆折柳》在橫店明清宮苑舉行開鏡儀式。該劇是經典劇集《金枝欲孽》的番外篇,TVB表示會按拍攝傳統重頭劇的嚴謹規格製作。